आप किसी model को notebook से निकालकर production में कैसे पहुंचाते हैं?

logic को cells से निकालकर tested modules में ले जाएं, और feature engineering को training व serving के बीच साझा रखें ताकि दोनों अलग हो ही न सकें। training को एक parameterized job की तरह लपेटें, सिर्फ estimator नहीं बल्कि preprocessing समेत पूरी pipeline serialize करें, और scoring को input validation वाले किसी interface के पीछे रखें। launch से पहले, बाद में नहीं, inputs और predictions पर निगरानी जोड़ें।

notebook वह जगह है जहां मैं तय करता हूं कि model है क्या, यह नहीं कि ship क्या होगा। पहला कदम है logic को एक module में ले जाना जिसके functions मैं import और test कर सकूं, साथ में feature transforms पर एक छोटे fixture से दो चार unit tests, क्योंकि सूक्ष्म बग वहीं रहते हैं। जिस नियम पर मैं सबसे सख्त हूं वह यह कि training और serving एक ही feature code को कॉल करें। जिस पल कोई service में features दोबारा लिखता है, वे खिसक जाते हैं, और आपको ऐसा model मिलता है जो production में अलग score करता है और वजह हफ्ते भर किसी को नहीं मिलती। फिर मैं पूरी pipeline, imputer, encoder, scaler, model, को एक ही object के तौर पर serialize करता हूं, ताकि serving कोई preprocessing कदम भूल ही न सके। training एक ऐसा job बन जाता है जो एक config और एक date range लेता है और versioned artifact लिखता है। serving की तरफ मैं inputs validate करता हूं और दायरे से बाहर की चीज को चुपचाप score करने के बजाय reject या default कर देता हूं। और निगरानी launch से पहले लगती है: input distributions, prediction distribution, null दरें, latency। अगर इनमें से सिर्फ एक मिले तो मैं input drift लूंगा, क्योंकि सबसे पहले वही बदलता है।